- pandas: 仿照了R語言的數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)操作，一般用來做數(shù)據(jù)預(yù)處理，特征工程，其DataFrame數(shù)據(jù)格式用起來相當(dāng)便利
- scikit-learn: 家喻戶曉的ML庫，各種聚類、分類、回歸模型等，也可以用來做預(yù)處理
- xgboost: 陳天奇大神的杰作，改進(jìn)了傳統(tǒng)的GBDT模型，在底層用一些trick加速模型訓(xùn)練，非常值得一試，可以取代其他ML庫里的GBDT系列模型 (很早就聽說過這個(gè)碉堡的庫，但一直沒有上手實(shí)踐，實(shí)在汗顏…后面我會結(jié)合GBDT做特征工程，實(shí)踐下效果，發(fā)布到公眾號)
- keras: 神經(jīng)網(wǎng)絡(luò)相關(guān)的庫，可以選擇基于tensorflow或theano，趕腳很強(qiáng)大，我也是剛接觸
- matplotlib: 作圖必備，語言風(fēng)格跟MATLAB很像，很好上手
- tpdm: 我沒聽過，原作者提到的，感興趣的童鞋可以了解下
3.5. 開發(fā)環(huán)境
這里我補(bǔ)充說一下python開發(fā)環(huán)境和上面幾個(gè)庫的安裝方法。首先我跟原作者一樣，因?yàn)樽非笞?裝)由(逼)，所以不用python IDE（比如Anaconda, Pycharm），當(dāng)然，裝IDE可能省很多事情，個(gè)人建議安裝Pycharm。然后我自己的python開發(fā)環(huán)境(純屬個(gè)人習(xí)慣，僅供參考):
- windows: notepad++及其插件nppexec/explorer，結(jié)合我昨天發(fā)布的『一個(gè)神奇的腳本，一鍵運(yùn)行各類程序』，里面的nppexec腳本可一鍵執(zhí)行Python。以及l(fā)inux風(fēng)格的shell: git bash (git bash是基于msys的，跟cygwin略有不同)
- mac: sublime及其插件Package Control/anaconda，以及iTerm2，或者自帶的terminal。(sublime中import某些python庫，比如matplotlib/sklearn/tensorflow會出點(diǎn)bug，需要修改下環(huán)境變量啥的，遇到相關(guān)問題可以微信我，盡量幫你解決)
- linux: vim（因?yàn)槲乙话阍诿钚心Ｊ较麻_發(fā)）。如果是界面linux，應(yīng)該可以有其他選擇
另外，jupyter notebook(前身是ipython notebook)是個(gè)好東西，可以逐步執(zhí)行python代碼片段，不依賴于平臺，可在瀏覽器中打開，非常適合學(xué)習(xí)過程中練手。